代码之家 › 专栏 › 技术社区 › daiyue

pandas groupby获取列的聚合,并将组大小放入数据帧中[重复]

pandas-groupby dataframe pandas python-3.x python

daiyue · 技术社区 · 6 年前

给出了以下(完全过度杀戮)数据帧示例

import pandas as pd
import datetime as dt
df = pd.DataFrame({
         "date"    :  [dt.date(2012, x, 1) for x in range(1, 11)], 
         "returns" :  0.05 * np.random.randn(10), 
         "dummy"   :  np.repeat(1, 10)
})

是否存在将两个不同的聚合函数应用于同一列的内置方法,而不必调用 agg 多次?

在语法上错误,但在直觉上正确的做法是:

# Assume `function1` and `function2` are defined for aggregating.
df.groupby("dummy").agg({"returns":function1, "returns":function2})

显然,python不允许重复的键。有没有其他方式来表达 Agg公司 是吗?可能是一个元组列表 [(column, function)] 允许对同一列应用多个函数会更好吗?但它似乎只接受字典。

除了定义一个只应用其中两个函数的辅助函数之外,是否还有一个解决方法?(无论如何,这将如何与聚合一起工作?)

0 回复 | 直到 7 年前

105

bmu 10 年前

您可以简单地将函数作为列表传递:

In [20]: df.groupby("dummy").agg({"returns": [np.mean, np.sum]})
Out[20]: 
        returns          
            sum      mean

dummy                    
1      0.285833  0.028583

或者作为字典:

In [21]: df.groupby('dummy').agg({'returns':
                                  {'Mean': np.mean, 'Sum': np.sum}})
Out[21]: 
        returns          
            Sum      Mean
dummy                    
1      0.285833  0.028583

Chang She 13 年前

是否需要这样的工作:

In [7]: df.groupby('dummy').returns.agg({'func1' : lambda x: x.sum(), 'func2' : lambda x: x.prod()})
Out[7]: 
              func2     func1
dummy                        
1     -4.263768e-16 -0.188565

cs95 abhishek58g 7 年前

实现这一点的一个明显方法是指定一个字典,将列名称映射到要聚合的函数列表:

df.groupby("dummy").agg({'returns': [function1, function2]})

df.groupby("dummy").agg({'returns': ['sum', 'mean']})

        returns          
            sum      mean
dummy                    
1      0.328953  0.032895

但是,如果您的函数只在列上操作,那么语法就稍微简单一点。如果聚合到一个系列上,则不需要字典:

df.groupby("dummy")['returns'].agg([function1, function2])

df.groupby('dummy')['returns'].agg(['sum', 'mean'])

            sum      mean
dummy                    
1      0.328953  0.032895

这也消除了输出中的多索引。

在更新版本的pandas中,如果使用字典为聚合输出指定列名,您将获得 FutureWarning 以下内容:

df.groupby('dummy').agg({'returns': {'Mean': 'mean', 'Sum': 'sum'}})
# FutureWarning: using a dict with renaming is deprecated and will be removed 
# in a future version

Using a dictionary for renaming columns is deprecated in v0.20. 在熊猫的最新版本中,可以通过传递元组列表来更简单地指定这一点。如果以这种方式指定函数, 全部的 该列的函数需要指定为(名称、函数)对的元组。

df.groupby("dummy").agg({'returns': [('op1', 'sum'), ('op2', 'mean')]})

        returns          
            op1       op2
dummy                    
1      0.328953  0.032895

或者,

df.groupby("dummy")['returns'].agg([('op1', 'sum'), ('op2', 'mean')])

            op1       op2
dummy                    
1      0.328953  0.032895